Detail práce

Detekce objektů v laserových skenech pomocí konvolučních neuronových sítí

Diplomová práce Student: Marko Peter Akademický rok: 2020/2021 Vedoucí: Veľas Martin, Ing., Ph.D.
Název anglicky
Object Detection in the Laser Scans Using Convolutional Neural Networks
Jazyk práce
český
Abstrakt

Práca sa zaoberá detekciou čiary vodorovného dopravného značenia z mračna bodov, ktoré bolo získané laserovým mobilným mapovaním. Systém pracuje interaktívne v spolupráci s užívateľom, ktorý vyznačí počiatok čiary dopravného značenia. Program postupne deteguje zvyšné časti dopravného značenia a vytvorí ich vektorovú reprezentáciu. Na začiatku je mračno bodov premietnuté do vodorovnej roviny a výsledkom je 2D obrázok, ktorý je segmentovaný konvolučnou neurónovou sieťou U-Net. Segmentácia označuje jednu dopravnú čiaru. Segmentácia je prevedená na lomenú čiaru, ktorú je možné použiť v geo-informačnom systéme. Sieť U-Net pri testovaní dosiahla presnosť segmentácie 98,8\%, špecificitu 99,5\% a senzitivitu 72,9\%. Odhadnutá lomená čiara dosiahla priemernú odchýlku 1,8cm.

Klíčová slova

vodorovné dopravné značenie, lomená čiara, počítačové videnie, laserové skenovanie, velodyne LiDAR, mračno bodov, konvolučné neuronové siete, detekcia objektov, U-Net, sémantická segmentácia, hlboké učenie, PCL, QGIS, Keras, TensorFlow

Ústav
Ústav počítačové grafiky a multimédií FIT VUT v Brně
Studijní program
Informační technologie a umělá inteligence, specializace Inteligentní systémy
Soubory
Stav
obhájeno, hodnocení D
Obhajoba
22. června 2021
Oponent
Beran Vítězslav, doc. Ing., Ph.D.
Průběh obhajoby

Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm D.

Otázky u obhajoby
  1. Proč detekce středové čáry funguje hůře než té krajní?
  2. Jak by se Vaše metoda dala použít např. pro detekci čáry v online režimu? Nebo pro detekci všech čar v celém mračně bodů bez zásahu uživatele?
  3. Co jste detekoval na vozovce?
  4. Jak jste výstup testoval?
  5. Uvažoval jste o použití jiných přístupů?
  6. Jak byste učil perceptronovou síť bez použití backpropagation?
  7. Jakým způsobem jste spojoval lokální čáry do globální?
Komise
Zbořil František V., doc. Ing., CSc. (UITS FIT VUT), předseda
Hradiš Michal, Ing., Ph.D. (UPGM FIT VUT), člen
Janoušek Vladimír, doc. Ing., Ph.D. (UITS FIT VUT), člen
Peringer Petr, Dr. Ing. (UITS FIT VUT), člen
Rozman Jaroslav, Ing., Ph.D. (UITS FIT VUT), člen
Smrčka Aleš, Ing., Ph.D. (UITS FIT VUT), člen
Citace
MARKO, Peter. Detekce objektů v laserových skenech pomocí konvolučních neuronových sítí. Brno, 2021. Diplomová práce. Vysoké učení technické v Brně, Fakulta informačních technologií. 2021-06-22. Vedoucí práce Veľas Martin. Dostupné z: https://www.fit.vut.cz/study/thesis/23519/
BibTeX 
@mastersthesis{FITMT23519,
    author = "Peter Marko",
    type = "Diplomov\'{a} pr\'{a}ce",
    title = "Detekce objekt\r{u} v laserov\'{y}ch skenech pomoc\'{i} konvolu\v{c}n\'{i}ch neuronov\'{y}ch s\'{i}t\'{i}",
    school = "Vysok\'{e} u\v{c}en\'{i} technick\'{e} v Brn\v{e}, Fakulta informa\v{c}n\'{i}ch technologi\'{i}",
    year = 2021,
    location = "Brno, CZ",
    language = "czech",
    url = "https://www.fit.vut.cz/study/thesis/23519/"
}

Závěrečné práce

Nahoru